生成式人工智能的迅猛发展为人们的生活和工作带来了诸多便利，然而，其快速发展的背后也隐藏着严重的电子垃圾问题。

近年来，随着算力需求及技术的发展，生成式人工智能依赖的数据中心电子芯片及硬件架构越发复杂，重量不断增加且快速更新迭代。例如，两年前 GPU 重 70 磅，有 35000 个零件；现在 GPU 有 60 万个零件，重 3000 磅。这种硬件的快速迭代意味着旧的硬件设备很快会被淘汰，从而产生大量电子废弃物。

研究表明，如果不采取行动，仅在本世纪 20 年代之内，人工智能就将产生 120 万吨至 500 万吨的电子废物。这些电子废物大部分将来自硬件元件，如处理器、存储器以及电源系统。在人工智能增长最快的情况下，2023 年至 2030 年间，人工智能产生的电子垃圾总量很可能达到 500 万吨，其中可能包括 150 万吨的印制电路板和 50 万吨的电池，且可能含有铅和铬等有害物质。

生成式人工智能的电子垃圾问题不仅对环境造成危害，还可能导致资源浪费。一方面，电子垃圾中含有危险或有毒材料，处理不当可能危害人类健康并造成环境污染；另一方面，高性能计算硬件中包含铜、金、银、铝和稀土元素等有价值的金属，如果未能有效回收，将造成资源浪费。

综上所述，生成式人工智能与电子垃圾问题紧密相关，其快速发展确实带来了严峻的电子垃圾挑战。

二、电子垃圾产生的原因

（一）硬件迭代速度快

生成式 AI 的发展对算力的需求呈指数级增长，这推动了数据中心电子芯片及硬件架构的快速升级。以 GPU 为例，其零件数量从两年前的 35000 个增长到现在的 60 万个，重量也从 70 磅飙升至 3000 磅。如此迅猛的发展使得硬件的更新迭代速度极快，旧设备往往在短时间内就被性能更强大的新设备取代。数据中心为了保持竞争力，不得不频繁更换硬件，这就导致大量旧硬件设备被淘汰，成为电子废弃物。

（二）电子设备使用寿命短

高性能计算硬件在生成式 AI 的运行中承担着巨大的压力。服务器、GPU、CPU 等设备通常使用寿命为两到五年。例如，AI 数据中心花大钱购买的 GPU，虽然价格高昂，但由于承受着繁重的 AI 推理训练工作负载，往往会比其他组件老化得更快。按照云计算服务提供商运营的数据中心内 GPU 的利用率约为 60% 至 70% 来计算，GPU 通常只能使用 1 到 2 年，即便在较为理想的状态下，最多也就 3 年。此外，像微星 GT60 显卡等高性能计算设备，在执行复杂任务时也会产生大量热量，这会加速硬件的老化，进一步缩短其使用寿命。

（三）含有害物质

电子垃圾中含有多种危险或有毒材料，如铅、汞和铬等。这些有害物质主要存在于电子设备的各种组件中，如电路板、电池等。当电子垃圾处理不当时，这些有害物质会释放到环境中，对土壤、水源和空气造成污染。根据相关研究，2022 年全球范围内共产生了 6200 万吨电子垃圾，比 2010 年数量几乎翻了一倍，相当于全球每人每年产生了 7.8 公斤电子垃圾，但这些电子垃圾被正规回收利用的比例不到四分之一。大量未经正规处理的电子垃圾中含有的有害物质，对人类健康和生态环境构成了严重威胁。

（四）资源消耗

生成式 AI 的运行需要大量的电力和水资源。一方面，数据中心是生成式 AI 的重要基础设施，一个超大型数据中心每年耗电量近亿度。例如，OpenAI 训练 GPT - 3 耗电为 1.287 吉瓦时，大约相当于 120 个美国家庭 1 年的用电量；2023 年 1 月，OpenAI 仅一个月已耗用可能等同 17.5 万个丹麦家庭的全年用电量。谷歌 AI 每年耗电量达 2.3 太瓦时，相当于亚特兰大所有家庭 1 年用电量。另一方面，数据中心服务器运行还会产生大量热能，水冷是服务器最普遍的方法，这使其水耗巨大。有数据显示，GPT - 3 在训练期间耗用近 700 吨水，其后每回答 20 - 50 个问题，就需消耗 500 毫升水。弗吉尼亚理工大学研究指出，数据中心每天平均必须耗费 401 吨水进行冷却，约合 10 万个家庭用水量。生成式 AI 如此巨大的能源和水资源消耗，不仅导致了严重的碳排放，也造成了资源的极大浪费。

三、对我们的使用产生的影响

（一）环境影响

随着生成式 AI 的广泛应用，电子垃圾的数量不断增加，这给环境带来了巨大的压力。含有有害物质的电子垃圾如果处理不当，会对土壤和水源造成严重污染。例如，电子垃圾中的铅、汞等重金属可能会渗入土壤，影响土壤的肥力和生态平衡。同时，这些有害物质还可能随着雨水流入河流和湖泊，对水资源造成污染，进而影响水生生物的生存和繁衍。此外，电子垃圾的不当处理还可能释放出有害气体，如二噁英等，对大气环境造成污染。

（二）资源浪费

高性能计算硬件中包含铜、金、银、铝和稀土元素等有价值的金属。然而，如果这些金属未能得到有效回收，将造成极大的资源浪费。据统计，每吨电子垃圾中含有约 200 克黄金，而全球每年产生的电子垃圾中蕴含的黄金价值高达数十亿美元。如果能够有效地回收这些有价值的金属，不仅可以减少对自然资源的开采，还可以降低生产成本，实现资源的可持续利用。

（三）能源消耗

生成式 AI 的能耗巨大，这不仅增加了碳排放，也对全球能源供应提出了严峻挑战，尤其是在电力供应紧张的地区。以一个中等规模的数据中心为例，其运行所需的电力相当于数千个家庭的用电量。生成式 AI 的大规模应用使得能源需求急剧增加，这可能导致电力供应不足，影响人们的正常生活和生产。此外，能源的大量消耗也会导致碳排放的增加，加剧全球气候变暖的趋势。

（四）政策和法规

为了应对电子垃圾问题，可能需要出台更多的政策和法规来规范电子垃圾的处理和回收。这些政策和法规可能会对 AI 产品的设计、生产和使用产生影响。例如，政府可能会要求企业在设计 AI 产品时考虑电子垃圾的回收和处理问题，采用更加环保的材料和设计方案。同时，政府还可能加强对电子垃圾回收企业的监管，确保电子垃圾得到妥善处理。此外，政策和法规的出台还可能促进 AI 产业的可持续发展，推动企业加大对环保技术的研发投入。

（五）经济成本

随着电子垃圾处理和回收成本的增加，可能会对企业运营成本和消费者购买成本产生影响。对于企业来说，处理电子垃圾需要投入大量的资金和人力，这将增加企业的运营成本。而对于消费者来说，购买 AI 产品的价格可能会因为电子垃圾处理成本的增加而上涨。此外，电子垃圾处理和回收成本的增加还可能导致一些小型企业无法承受，从而影响整个行业的发展。

（六）技术发展

为了减少电子垃圾，可能需要开发更环保、更可持续的技术，比如通过软件和效率的提升延长特定芯片或 GPU 的有效使用时间。例如，通过优化算法和软件设计，可以提高芯片的性能和效率，减少能源消耗和电子垃圾的产生。同时，还可以开发更加耐用的硬件设备，延长其使用寿命，减少电子垃圾的数量。此外，还可以探索新的材料和技术，如可降解材料和可再生能源等，为生成式 AI 的发展提供更加环保和可持续的解决方案。

四、应对之策

（一）技术层面

（二）政策层面

（三）市场层面